短短两个月内，ChatGPT已成为全球下载量最高的产品。该解决方案与前辈产品的最大区别在于其基于类对话式“提示词”的极简界面。这种直观的操作方式，结合人工智能处理海量数据并提供快速、准确结果的能力，使专业人士的执行和决策速度提高了十倍。 AI 使人们从重复且耗时的任务中解放出来，让他们能够专注于更高附加值的活动。得益于生成式 AI，人类不会被取代，而是会得到“增强”。
最新研究显示，78%的员工认为生成式AI对其工作效率产生了积极影响。在涉及知识获取的任务中，专业人士的执行速度可提升37%，开发人员在编码任务上的效率则可提高55%。六个月前，生成式AI领域的各家厂商已展开一场真正的创新竞赛。为了充分利用其优势并保持竞争力，企业必须迅速行动，同时不能忽视仍存在的挑战。

透明度与信任：生成式人工智能面临的重大挑战

生成式人工智能解决方案的性能毋庸置疑，但它们确实存在一些局限性，我们必须对此有所了解，以尽量减少其影响。这些局限性主要有四种：

  • 伦理：偏见、“幻觉”、缺乏来源或个人数据使用缺乏透明度，都可能体现在生成的内容中。因此，我们必须系统化地建立偏见识别流程，正如我们在Artefact所有数据处理时所做的那样，并遵循我们的伦理章程。

  • 环境：在数十亿个参数上训练最新的AI模型会产生前所未有的碳足迹。例如，训练GPT-3[4] 产生的二氧化碳排放量相当于502吨，几乎是普通汽车整个生命周期所需排放量的十倍。这些应用才刚刚起步：AI排放的二氧化碳，能否被它们所取代的人类活动不再产生的二氧化碳所抵消？

  • 就业：尽管绝大多数人类工作不会被人工智能取代，而是由其辅助完成，但这些工作无疑将发生转变。对各年龄段和各行各业的人士进行相关培训，以适应这些变化，至关重要。此外，这些技术还开辟了新的职业机会，而我们已经看到这些领域的人才出现短缺。Artefact 数据Artefact 这样的培训课程，为转行从事这些前瞻性职业提供了快速且实用的途径。

  • 监管：鉴于上述挑战，很明显，生成式人工智能很快将面临严格的监管，其监管框架将参照个人数据处理的相关规定。欧盟目前正在制定《人工智能法案》，该法案预计将于2025年生效。在明确的监管框架确立之前，企业必须依据现有的数据、知识产权、劳动法和环境保护相关法规，以及软法进行运营。

Artefact用于降低风险和优化业务转型的专有方法论

生成式人工智能领域令人惊叹且持续的进步，要求企业既要迅速行动，又要保持审慎。正因如此，我们建议客户采取渐进式运作模式，并在转型项目周围构建一个稳固的框架。

为了获得全公司的支持，初步概念验证（POC）的结果往往起着决定性作用。为了最大限度地降低事故风险，最好将首次测试应用于内部用例，或通过人工介入的方式进行（例如：人工客服利用人工智能提供的信息为客户提供更优质的服务）。与此同时，我们需要根据业务需求和公司持有的所有数据，在全公司范围内识别潜在的应用场景。

与此同时，必须为以下方面制定路线图：

  • 组织：需明确角色与职责，并制定用于创建和扩展用例的治理机制及流程。还需制定应急预案，以防范风险和偏见。

  • 技术栈与数据：企业必须确保拥有高质量first-party 以满足已确定的应用场景，并具备强大的技术架构以实现其规模化应用。在成本、影响或性能方面，为不同的应用场景选择合适的模型至关重要。

  • 人力资源：应尽快实施文化适应和培训计划，以确保顺利过渡。

信任并不排斥管控

尽管我们坚信生成式人工智能已经并将继续对企业的运营绩效及其员工的生产力产生积极影响，但在推进过程中仍需保持审慎。必须确保进展既持续又可控，且人类必须始终掌握对模型的控制权，唯有如此，才能充分利用这些新型超高性能技术所带来的无限应用场景。